力学与人工智能-CSDN博客

转载当AI遇到物理学 —— AAAI大会主题演讲（Daniel）

原文链接：https://mp.weixin.qq.com/s/Y0_zHuobor7rcRaj5oIMrA在2026年的人工智能国际大会（AAAI）上，邀请了物理学家Daniel Whiteson做了主题演讲。这里给大家献上本次演讲的全文实录。先介绍一下午演讲者：丹尼尔・怀特森（Daniel Whiteson）。1975 年 6 月 17 日出生。是美国实验粒子物理学家，同时担任加州大学欧文分校（UCI）物理学与天文学教授。他于 1997 年在莱斯大学取得物理学与计算机科学学士学位，2003 年在加州

2026-02-06 09:55:38

转载《TAML》好文推荐 | 来自中国科学院力学研究所张磊博士评估大语言模型在计算流体力学领域的知识利用、学习与创造

王笼，第一作者，中国科学院力学研究所博士研究生。2022年本科毕业于西北工业大学数学与统计学院。张磊，共同通讯作者，中国科学院力学研究所特别研究助理。博士毕业于北京大学，获2021年北京大学优秀博士学位论文。主持了国家自然科学基金青年基金项目。他的研究领域为计算力学，数据驱动的有限元和量纲学习方法。何国威，共同通讯作者，中国科学院院士，中国科学院力学研究所研究员。研究领域为湍流，计算流体力学和机器学习。

2026-02-05 08:55:21 3

原创 JFM | 浙江大学郑畅东、谢芳芳等：基于Transformer网络的上下文学习跨翼型的主动流动控制策略

近年来，基于强化学习的主动流动控制（AFC）技术备受关注。然而，强化学习策略对大量试错数据的需求在实际应用中形成了显著障碍，同时限制了跨案例智能体的训练。针对强化学习样本需求量较大的问题，课题组前期提出了专家演示策略加速方法，在训练数据中掺入“伪专家”给出的指导数据，引导控制律高效、合理、有针对性地进行探索和试错，大幅减少了探索数据需求量[1]。针对跨案例智能体训练问题，本研究提出了一种基于强化学习数据的上下文主动流动控制策略学习框架。

2026-02-05 08:40:48 391

转载图灵奖得主杨立昆现场追问：AI 还没越过这 3 道认知墙，谈什么通用智能？

以下内容转载自“AI深度研究员”，仅作学术分享，如有侵权请留言删除原文链接：https://mp.weixin.qq.com/s/DcjR6G89LydlJTy4MwLfBQ（宾大工程学院，对话Meta首席AI科学家Yann LeCun）最近的一两周时间里，65 岁图灵奖得主、Meta首席AI科学家Yann LeCun（杨立昆）先后出现在新加坡国立大学与宾大工程学院的讲台。他没有谈参数，也没有夸算力，而是抛出一句让全场安静的反问—— 🧠 LeCun的解法：预测真实，而非生成语言LeCun认为

2026-02-04 09:11:22 12

原创 ICML 2025 | 西湖大学吴泰霖研究员团队：组合生成式多物理场多元件PDE仿真

M2PDE是一种创新的多物理场与多元件PDE仿真方法，创新性地将多物理场和多元件仿真问题转化为生成式概率建模任务，利用扩散模型学习条件概率分布，从而有效捕捉不同物理过程或组件之间的复杂相互作用，为传统数值算法难以高效求解的多场耦合、大规模复杂结构仿真问题提供了全新的解决思路。未来的工作将聚焦于进一步提升M2PDE的预测精度、探索更高效的采样算法，并将其应用于更广泛和更复杂的真实世界工程问题中。

2026-02-04 08:50:40 518

转载 Adv. Intell. Discov. 2026 | ChatCFD：大模型写的CFD代码，物理保真吗？

计算流体力学（CFD）对于推动科学和工程领域的发展至关重要，但其操作复杂性、高专业门槛以及有限的可访问性阻碍了其广泛应用。本文介绍了ChatCFD，这是一个由大语言模型（LLM）驱动的智能体系统，用于实现端到端的CFD自动化。ChatCFD 由驱动，采用多智能体架构、结构化 OpenFOAM 知识库、精确错误定位器和迭代反思机制，其性能显著优于现有系统。

2026-02-03 08:51:26 16

原创 AST| 西工大单湘淋、张伟伟等：基于湍流各向异性分析与符号回归的改进型二阶非线性涡粘模型

不同于已有雷诺应力建模研究直接从流场提取特征，本文首先基于速度梯度场构造近似雷诺应力，然后采用经典雷诺应力各向异性分析方法，即重心三角形方法，对构造的雷诺应力进行特征分解以及重新组合，获得近似的各向异性分布。以表1的特征作为输入特征，以公式（3）计算的最优系数作为输出特征，采用符号回归方法，可以建立新型QCR模型（公式（1）），模型系数的表达式如下，模型系数的分布如图6所示。表1给出了符号回归建模的输入特征，除了上面推导的三个各向异性特征外，还引入了螺旋度密度，增强二次涡的区域识别。

2026-02-03 08:32:57 716

原创 Energy | 西工大史子颉、高传强等：三维风力机叶片动态失速数据融合建模研究

然而当风速进一步提高，偏航流动诱发的有效攻角增大、动态失速效应显著及三维效应逐渐占主导时，依赖于二维翼型数据训练的DFNN出现了一定的预示偏差。图1展示了经典动量叶素理论（BEM）预示框架，输入来流参数通过迭代求解定常的动量叶素理论与动态失速的L-B模型进行双向耦合迭代，再考虑相关的三维旋转效应、偏航流动等非定常修正，最终得到三维叶片的非定常气动力输出。对于BEM理论中的非定常、分离流的修正模型及其诱发气动弹性响应仍需开展数据驱动的建模研究，以实现对于长柔叶片非定常气动力与气动弹性高效高精度预示。

2026-02-02 08:30:11 589

原创 https://mp.weixin.qq.com/s/C6kEByjigkEHaM7QSd8n9A

现有融合研究多基于 Kriging、本征正交分解（POD）、神经网络（NNs）及径向基函数等方法，尽管基础模型不同，但数据融合方法搭建的根基一致：依靠多源数据之间的关联关系作为纽带和桥梁搭建融合模型，该关联关系往往可以具象化为特定表达式。为更好的提取和利用低精度数据中的有效建模信息、提升神经网络融合算法的精度与鲁棒性，本研究提出了一种基于分支并行框架的多源数据融合方法(LambdaNN)，将高低精度的共有或私有特征进行区分，使复合模型结构充分契合多源数据间的关联关系。用来表示高低精度的模型输出，并用。

2026-02-02 08:22:37 532

原创 Meta首席科学家LeCun：当前 AI 模型缺乏四项关键人类智能特质

在巴黎举行的AI行动峰会上，Meta首席AI科学家Yann LeCun提出一个问题：“什么才是智能的基本构成？这四项能力在LeCun看来，是任何一种具备智能的生命体所共有的基础能力。相比之下，当前主流人工智能系统，尤其是以语言模型为代表的架构，在这些方面仍显不足。这不是他第一次表达类似看法。作为深度学习早期的关键推动者，LeCun一直在强调当前模型能力的局限性。他一直认为，。

2026-02-01 09:05:32 840

原创 AIAAJ | 西工大张巧、张伟伟等：多专家特征融合网络架构预测跨声速抖振气动噪声

选择深抖振状态具代表性的流动区域评估不同算法的预测精度，包括激波振荡区（x/c=0.5，y/c=0.068）、大尺度分离流区（x/c=0.55，y/c=0.067和x/c=0.85，y/c=0.035）和尾缘涡脱落区（x/c=1.025，y/c=0.007）。面对多个低幅值离散特性的PSD数据，MLP算法的预测精度显著降低，尤其是f≥75Hz时x/c=0.55，y/c=0.067和x/c=1.025，y/c=0.035监测点的PSD结果。作为两种编码器的输入，以学习具有不同物理特性的两种类型的特征。

2026-02-01 09:00:18 834

原创 ICRA 2025 | 西湖大学韩非、范迪夏等：学习游泳：基于数据驱动长短记忆流体动力学模型的四足机器人步态优化

综上，研究人员提供了一种全新的思路来解决水下机器人控制难题。传统方法很难实时模拟水下复杂多变的流体环境，而数据驱动模型让机器人能够从实验中“学习”水的特性，犹如赋予机器人一双感知水流的“眼睛”和“肌肉记忆”。这种让机器人“学会游泳”的探索具有重要意义：它不仅显著提升了特定机器人的游动性能，也为未来水下仿生机器人的设计与控制提供了新范式。利用该方法，研究者成功地让一台原本在水中步履维艰的四足机器人实现了平稳游动和高效转弯，这在水下机器人领域属于前沿突破。

2026-01-31 09:01:02 899

转载图灵奖得主 Yoshua Bengio 智源大会最新演讲：关于AI，我改变了信念，也改变了研究方向

以下文章来源于“”，仅做学术分享2025年6月6日上午，第七届智源大会迎来一场思想的高光时刻：强化学习代表人物 Richard Sutton 与深度学习奠基人 Yoshua Bengio 双星交汇，同台对话，各自围绕 AI 的未来展开阐述：Sutton 聚焦于 “AI 发展”，强调智能的演进；而 Bengio 则着眼于 “AI 安全”，强调伦理风险。两种视角看似交锋，实则殊途同归，皆指向对人类与智能共生未来的深切关怀。

2026-01-31 08:45:23 48

原创 JCP | 哈工大（深圳）胡钢团队：三维钝体流动中主动流动控制的深度强化跨域迁移学习

　　本文将基于相互信息的知识迁移学习与柔性动作-评论（MIKT-SAC）算法相结合，解决主动流动控制(AFC)中状态和动作维度的跨领域问题。本文探索了深度强化学习(DRL)在发现新型减阻策略方面的潜力。该算法从二维(2D)案例中的预训练代理开始，提取知识以减轻高雷诺数流动条件下作用于3D钝体的气动力。该算法应用于两个测试案例以展示其能力和局限性：第一个测试案例使用高雷诺数为22000的3D方柱研究状态维度失配问题，其中方柱角上的四个射流作为执行器。第二个测试案例使用圆柱检查状态和动作维度都不匹配的场景，圆柱

2026-01-30 09:08:24 514

原创 JFM | 西北工业大学袁昊，寇家庆等：基于预解分析的低雷诺数二维圆柱绕流外形优化

通过分析优化过程，我们发现了最大增益和流动阻力的相关性(图3)。外形设计是最简单的流动被动控制途径，然而当前的外形设计多针对定常问题，对涉及流动稳定性的流动被动控制，由于缺乏理论指导，普遍存在“暴力”（流场扰动显著）和“遍历”（依赖经验试错）等问题。本文针对低雷诺数圆柱绕流被动控制问题，构建了基于预解分析的外形优化设计框架，针对参考状态为Re=40的圆柱绕流开展外形优化设计研究，实现了圆柱涡脱的有效抑制，提高了流动稳定性和阻力特性并揭示了其中的物理机制，同时在湍流状态下进行了验证。所设计的优化框架如图1。

2026-01-30 08:56:31 538

转载《TAML》好文推荐 | 来自清华大学张宇飞团队最新研究成果基于文本生成翼型：FoilCLIP,一种语言驱动的气动设计新框架

张宇飞，清华大学航天航空学院长聘副教授，主要研究方向为：高精度高效率气动优化设计方法，飞机结冰空气动力学，人工智能与流体力学交叉研究，非定常流动与气动噪声模拟，飞行器关键流动控制原理等。雷明城，清华大学航天航空学院2022级本科生。

2026-01-29 14:47:53 21

原创 JCP | 南科大赵肃楠、王建春等：LESnets：基于物理信息神经算子的湍流大涡模拟

很多流体力学相关的问题很难获取大量的数据，这给数据驱动的机器学习方法带来了挑战。物理信息机器学习可以摆脱对数据的依赖，受到了学术界的广泛关注。其中，物理信息神经算子（PINO）通过将物理方程加入到算子学习的损失函数中，缓解了模型对数据的依赖。本研究提出了一种基于物理信息神经算子的湍流大涡模拟方法——大涡模拟网络（LESnets），旨在快速模拟粗网格上的三维湍流的时空演化过程。

2026-01-29 14:33:12 616

原创 “高雷诺数湍流数据库的构建及湍流机器学习集成研究”湍流重大研究计划集成项目顺利结题

基于湍流数据库，挖掘出新的壁湍流平均速度标度律、混合长标度率、逆压梯度历史效应、超临界湍流脉动速度标度律和状态方程等知识发现。本项目作为该计划立项的四个集成项目中唯一由高校牵头的项目，主要围绕高雷诺数湍流数据库的构建及数据驱动湍流模型及知识发现开展研究，项目周期四年，总经费1022.5万元，牵头单位西北工业大学联合浙江大学、上海交通大学、哈尔滨工业大学、中国航天空气动力技术研究院等4家承研单位，以及清华大学、中国科学技术大学、西安交通大学、中科院力学所等4家外协单位共12个优势科研团队开展协同攻关。

2026-01-28 08:18:55 104

原创 Nature | 清华&芝大团队：AI让个体科学家“加速”，却让科学边界“收缩”

因此，知识扩散呈现为围绕少数核心的“星状”放射结构。2026年1月14日，清华大学徐丰力、李勇团队与芝加哥大学James Evans教授在《Nature》发表的系统研究，首次通过分析1980-2025年间六大自然科学领域的4100余万篇论文，量化揭示了AI融入科研带来的“双重效应”：个人效率飙升与集体视野收窄之间的深刻张力。因此，研究的最终指向是呼吁一场AI赋能科研的范式演进：未来的“AI for Science”不应止步于在既有数据中做更优的模型（内卷式优化），而应致力于成为科学家感知与实验能力的延伸。

2026-01-28 08:14:59 626

转载飞行器设计生成式模型专栏正式发布 | 航空学报

飞行器气动布局设计技术是发展先进飞行器和实现飞行器性能跨代提升的重要研究方向之一。传统飞行器气动布局设计存在气动构型选型困难、过于依赖设计人员经验的问题。同时，当前的气动外形参数化方法难以突破预设定的气动构型方案，在气动布局优化设计过程中仅能对同一气动构型的外形参数进行优化调整，需设计人员反复开展选型迭代与优化，导致飞行器气动布局设计周期长；且难以获取最优气动外形，制约了短平快的高效方案论证。

2026-01-27 08:28:19 26

原创 PRF | 宾州州立、南科大杨翔、张雯等：粗糙壁湍流的低维建模新范式

JFM | 南科大、宾州州立张雯、杨翔等：摩擦分解积分方法及其在粗糙壁流动中的扩展https://www.cambridge.org/core/journals/journal-of-fluid-mechanics/article/integral-methods-for-friction-decomposition-and-their-extensions-to-roughwall-flows/2E30FE1D68980F06AA49B9FB464A2914。

2026-01-26 08:43:45 596

原创 ICML2025|宁波东方理工大学刘野，陈云天：DragSolver：用于真实汽车风阻系数估计的多尺度Transformer方法

图一：问题定义当汽车高速行驶时，空气阻力成为制约车辆性能的关键因素。汽车外形细微的变化都会引起风阻系数（ Cd ）的波动，显著影响燃油经济性、电动车续航里程以及车辆的最高速度。因此，在设计阶段能够实时、精准地预测风阻系数，对于车辆外形优化至关重要。传统的CFD仿真或风洞测试方法虽然精确，但每次仿真往往耗时数小时甚至数天，难以满足工业界“大规模外形快速评估”的实际需求。因此，业界迫切需要一种快速、高精度且泛化能力强的风阻系数估计方案。图二：面临挑战。

2026-01-26 08:32:33 581

原创 PAS刊发西工大张伟伟教授智能流体力学重磅综述论文

在湍流动力学、转捩预测、燃烧反应、多相流界面演化、超临界流体相变及非牛顿流体等复杂流体领域，传统理论建模面临三大瓶颈：1）非线性多场耦合导致方程难以解析求解；2）跨尺度相互作用机制尚不明确；3）工程经验公式的普适性与精度存在固有矛盾。近年来，以深度学习、符号回归为代表的数据驱动方法在流体力学领域展现出巨大潜力。通过融合高精度仿真数据与实验观测数据，这些方法能够从海量数据中挖掘隐式物理规律，为复杂流动现象的建模提供新思路。

2026-01-24 09:57:37 580

原创 AAAI2025、POF | 西湖大学冯浩东、范迪夏等：如何在不准确物理信息和部分观测下利用物理信息建模流体力学系统

在科学和工程领域，机器学习技术在流体力学系统建模方面取得了显著进展。将物理损失作为系统演化的约束能有效克服数据稀缺导致的泛化问题，提升模型预测能力，这在数据获取成本高昂的情况下尤为重要。然而，现实场景中，传感器限制导致我们往往只能获得部分观测数据，这使物理损失的计算变得不可行，因为物理损失计算通常依赖于高分辨率状态，使用部分观测数据计算的物理损失有很大的偏差。针对这一挑战，我们提出了在部分观测下重新启用物理损失的深度学习框架 (RPLPO)。

2026-01-24 09:39:17 575

原创 AST | 西工大王伟吉、李春娜等：基于核岭回归和非线性降阶模型的含间断流场精确重构方法

同时，由于核函数的引入，使得KRR-DCR方法可以自动选择与待重构样本相似度更高的模态参与重构，有效减少了人为模态截断带来的重构误差。因此，需要额外的流场重构算法。在三种方法中，所提出的KRR-DCR达到了最低的平均相对重构误差Emean和最大相对重构误差Emax，表明该方法在全局和局部流场的重构上都可以获得更高的重构精度。因此，我们聚焦于通过流形学习降阶后的含激波流场的精确重构问题，提出了一种针对含激波流场的重构方法（KRR-DCR方法）。通过构建的模态系数和模态的组合，就可以实现含激波流场的精确重构。

2026-01-22 20:39:55 590

原创 MSSP | 西北工业大学马启悦，高传强等：融合激波位置的跨声速抖振气动载荷辨识

通过对抖振流场中多频相干结构的精细分析，结合变马赫数和攻角条件下的激波运动时序特征，建立'浅抖振'与'深抖振'工况的升力系数代数模型。（2）新状态预测：可以利用Hermite插值方案获得对应辨识系数或将（Ma、α）包含在候选函数库中实现建模，而后利用已知的融入激波位置的代数方程实现对其他来流状态下抖振载荷的准确预测。利用激波特征构造候选函数库，由激波位置（SW）及其对应导数（dS）的二阶及以下交叉项组成，如（c（常数）、SW、SW2、dS、SW∙dS、dS2）。（1）在浅抖振状态下，流场快照的采样间隔为。

2026-01-22 20:19:48 448

空空如也

空空如也